[发明专利]一种隐私保护的方法、装置及设备

权利要求书

1.一种隐私保护的方法，其特征在于，包括：

获取当前场景图像；

将所述当前场景图像输入至目标隐私区域检测模型进行检测，得到所述当前场景图像对应的目标隐私区域；

若在所述目标隐私区域中检测到目标物体，则获取所述目标物体相对于所述目标隐私区域的位置信息；

若所述位置信息标识所述目标物体位于所述目标隐私区域内，则对所述目标隐私区域进行失真处理。

2.如权利要求1所述的隐私保护的方法，其特征在于，在所述将所述当前场景图像输入至目标隐私区域检测模型进行检测，得到所述当前场景图像对应的目标隐私区域之前，还包括：

根据当前场景图像获取场景特征信息；

根据所述当前场景图像和所述场景特征信息确定当前应用场景；

将所述当前应用场景对应的隐私区域检测神经网络模型作为目标隐私区域检测模型。

3.如权利要求2所述的隐私保护的方法，其特征在于，在所述将所述当前应用场景对应的隐私区域检测神经网络检测模型作为目标隐私区域检测模型之前，还包括：

获取不同应用场景的样本训练集；所述样本训练集包括样本场景图像及其对应的隐私区域标签；

使用所述样本训练集对初始神经网络模型进行训练，得到经过训练的不同应用场景对应的隐私区域检测神经网络检测模型。

4.如权利要求3所述的隐私保护的方法，其特征在于，所述使用所述样本训练集对初始神经网络模型进行训练，得到经过训练的不同应用场景对应的隐私区域检测神经网络检测模型，包括：

将所述样本场景图像输入初始神经网络模型进行处理，得到所述样本场景图像对应的样本隐私区域；

根据所述样本隐私区域、所述隐私区域标签和预设损失函数，计算目标损失值；

若所述目标损失值不满足预设中止条件，则根据所述目标损失值对所述初始神经网络模型进行更新，并返回执行将所述样本场景图像输入初始神经网络模型进行处理，得到所述样本场景图像对应的样本隐私区域；

若所述目标损失值满足预设中止条件，则输出训练完成的隐私区域检测神经网络检测模型。

5.如权利要求3所述的隐私保护的方法，其特征在于，在所述使用所述样本训练集对初始神经网络模型进行训练，得到经过训练的不同应用场景对应的隐私区域检测神经网络检测模型之后，还包括：

若检测到所述样本训练集进行更新，则根据更新后的样本训练集对所述隐私区域检测神经网络检测模型进行优化。

6.如权利要求1所述的隐私保护的方法，其特征在于，在所述目标物体相对于所述目标隐私区域的位置信息之后，还包括：

若所述位置信息标识所述目标物体部分位于非隐私区域内，则正常显示所述目标物体，并且对除所述目标物体的目标区域外的所述目标隐私区域进行失真处理。

7.如权利要求1所述的隐私保护的方法，其特征在于，所述若所述位置信息标识所述目标物体位于所述目标隐私区域内，则对所述目标隐私区域进行失真处理，包括：

若根据预设隐私区域经验参数和所述位置信息判定所述目标物体位于所述目标隐私区域内，则对所述目标隐私区域进行失真处理。

8.如权利要求1所述的隐私保护的方法，其特征在于，在所述若所述位置信息标识所述目标物体位于所述目标隐私区域内，则对所述目标隐私区域进行失真处理之前，还包括：

获取所述目标物体的物体类别；

所述若所述位置信息标识所述目标物体位于所述目标隐私区域内，则对所述目标隐私区域进行失真处理，包括：

若所述物体类别和所述位置信息标识所述目标物体位于所述目标隐私区域内，则对所述目标隐私区域进行失真处理。

9.如权利要求1所述的隐私保护的方法，其特征在于，所述对所述目标隐私区域进行失真处理，包括：

根据预设压缩策略对所述目标隐私区域进行压缩。